اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 1 پیاپی 6 1404 12 01 Developing an Intelligent Model for Evaluating Banks’ Financial Performance Using Big Data, Risk Indicators, and Multi-Criteria Decision-Making Methods ارائه مدل هوشمند ارزیابی عملکرد مالی بانک‌ها با استفاده از کلان‌داده، شاخص‌های ریسک و روش‌های تصمیم‌گیری چندمعیاره 53 66 FA پارسا علوی نیا گروه حسابداری، دانشگاه مازندران، بابلسر، ایران محمد جواد طاهرزاده گروه حسابداری، دانشگاه مازندران، بابلسر، ایران نیلوفر سادات ابراهیمی فرد گروه حسابداری، دانشگاه مازندران، بابلسر، ایران Journal Article <p>This study aimed to develop an intelligent model for evaluating banks’ financial performance by integrating banking big data, risk indicators, and multi-criteria decision-making methods within the context of the Iranian banking system. This qualitative study was conducted using thematic analysis. The participants consisted of banking experts, financial managers, risk managers, data analytics specialists, credit assessment experts, and university scholars in finance and banking located in Tehran. Purposeful and snowball sampling techniques were applied, and theoretical saturation was achieved after 22 semi-structured interviews. Interviews lasted between 45 and 75 minutes and were conducted using an interview guide focused on financial performance evaluation, risk-based assessment, banking data infrastructure, and intelligent decision-support mechanisms. Data analysis was performed through open, axial, and selective coding using NVivo software. Credibility and trustworthiness were enhanced through member checking, peer review, audit trail documentation, and constant comparison of codes and categories. The analysis resulted in five main categories: data-driven infrastructure and big data governance, integration of financial and risk indicators, dynamic weighting and multi-criteria decision-making, predictive intelligence and early warning mechanisms, and organizational-regulatory implementation capability. The findings indicated that banks’ financial performance evaluation can no longer rely solely on traditional profitability, liquidity, and capital adequacy ratios. Participants emphasized the need to integrate transactional, behavioral, credit, operational, regulatory, and macroeconomic data with risk indicators such as credit risk, liquidity risk, operational risk, asset quality, income resilience, and regulatory compliance. The proposed model redefines bank financial performance evaluation as an intelligent, multidimensional, risk-sensitive, and data-driven process. It may provide a practical foundation for managerial dashboards, bank ranking systems, risk early-warning tools, and strategic decision-making in the banking industry.</p> <p>هدف پژوهش حاضر طراحی مدل هوشمند ارزیابی عملکرد مالی بانک‌ها با تأکید بر یکپارچه‌سازی کلان‌داده‌های بانکی، شاخص‌های ریسک مالی و غیرمالی، و روش‌های تصمیم‌گیری چندمعیاره در بستر نظام بانکی ایران بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. جامعه مشارکت‌کنندگان شامل خبرگان بانکی، مدیران مالی، مدیران ریسک، متخصصان تحلیل داده، کارشناسان اعتبارسنجی و استادان حوزه مالی و بانکداری مستقر در تهران بود. نمونه‌گیری به‌صورت هدفمند و گلوله‌برفی انجام شد و پس از انجام ۲۲ مصاحبه نیمه‌ساختاریافته، اشباع نظری حاصل گردید. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته ۴۵ تا ۷۵ دقیقه‌ای گردآوری شد. تحلیل داده‌ها با استفاده از کدگذاری باز، محوری و انتخابی و با بهره‌گیری از نرم‌افزار NVivo انجام گرفت. برای افزایش اعتبار یافته‌ها از بازبینی مشارکت‌کنندگان، مرور همتایان، ثبت مسیر تحلیل و مقایسه مستمر کدها استفاده شد. تحلیل مصاحبه‌ها به استخراج پنج مقوله اصلی منجر شد: زیرساخت داده‌محور و حاکمیت کلان‌داده، یکپارچه‌سازی شاخص‌های مالی و ریسک، وزن‌دهی پویا و تصمیم‌گیری چندمعیاره، هوشمندی پیش‌بین و هشدار زودهنگام، و قابلیت پیاده‌سازی سازمانی و نظارتی. یافته‌ها نشان داد که ارزیابی عملکرد مالی بانک‌ها در محیط پرریسک و داده‌فشرده کنونی، دیگر نمی‌تواند صرفاً بر نسبت‌های سنتی سودآوری، نقدینگی و کفایت سرمایه متکی باشد. مشارکت‌کنندگان بر ضرورت ترکیب داده‌های تراکنشی، رفتاری، اعتباری، عملیاتی، نظارتی و کلان‌اقتصادی با شاخص‌هایی مانند ریسک اعتباری، ریسک نقدینگی، ریسک عملیاتی، کیفیت دارایی‌ها، تاب‌آوری درآمدی و انطباق مقرراتی تأکید داشتند. مدل پیشنهادی پژوهش، ارزیابی عملکرد مالی بانک را به‌عنوان یک فرایند هوشمند، چندبعدی، ریسک‌محور و داده‌محور بازتعریف می‌کند. این مدل می‌تواند مبنایی برای طراحی داشبوردهای مدیریتی، سامانه‌های رتبه‌بندی بانک‌ها، هشدارهای زودهنگام ریسک و تصمیم‌گیری راهبردی در نظام بانکی قرار گیرد.</p> https://jsaefm.com/index.php/jsaefm/article/download/37/35